本研究提出了TimeRL系统,旨在解决复杂深度强化学习算法中的数据依赖性问题。该系统结合动态执行与图形执行优化,速度比现有系统快47倍,并显著降低GPU内存使用。
本研究提出了一种新方法PolytopeWalk,旨在高维样本采集中的均匀采样。该Python库采用稀疏约束的MCMC算法,显著提升了采样效率,具有广泛的应用潜力。
研究探讨了ReLU神经网络的表达能力,重点分析了求和和最大运算的最小深度表示。对于求和,确定了操作数的最小深度条件;而最大运算的最小深度不依赖操作数深度。此外,研究了凸连续分段线性函数的深度关系,并分析了多面体神经网络的性质,推导出与ReLU网络等效的结果,特别是单纯形的最小深度与ReLU网络的关联。
本研究解决了在约束多面体上从对数凹分布中进行采样的速度瓶颈问题。提出了一种几乎最优的Markov链实现,每一步的复杂度大幅降低,同时保持Markov链步数不变。研究表明该方法显著提升了计算效率,对后续相关研究具有重要的推动作用。
我们提出了一个框架,用于训练具有认证鲁棒性正向不变多面体的控制器,其中任何在多面体内初始化的轨迹都在多面体内,不受干扰的影响。
本文介绍了一种新颖的工业推荐系统中点击率(CTR)预测方法,解决了数值不平衡和几何不对称的固有挑战。
本文研究了图卷积神经网络在图拓扑的随机小扰动下的稳定性问题,通过导出了一个新的界限,明确了未经扰动和经扰动图卷积神经网络输出之间的期望差异。该界限明确取决于拉普拉斯矩阵特征对的扰动程度以及插入或删除的边。通过小扰动分析工具,定量地描述了特定边的扰动对网络稳定性的影响,并以闭合但近似的形式表达界限,提高结果的解释性。最后,对所提出的界限进行了数值评估。
Multicuts和higher-order models在图像分割和计算机视觉中被广泛应用。研究者提出了一种系统的方法,可以考虑higher-order terms的计算插值,并对各种算法进行了评估。该方法可以计算出一组重要模型的全局最优解,同时不会影响运行时间。研究者还研究了可解的松弛问题和后处理技术。
本文介绍了一种自我监督的方法(LPD),用于发现2D图像中物体的三维部件,并学习适合匹配物体形状的简单且准确的部件形状先验。实验结果表明,该方法具有更好的重构精度,优于现有方法。
该方法使用点云数据结构将网格数据转换为更高维度表示,从而在公开的脑瘤数据集上实现了显着的改进,可从原始图像中提取错综复杂的细节,开辟了先进的图像分析和处理任务的新可能性。
昨晚做梦,梦见了一个有趣的数学问题:有没有什么多面体,它的每个面都是凹多边形?有趣的是,接下来我梦见自己醒了过来,然后立即上网寻找答案。我梦见我查到了相关的论文,论文作者的名字中出现了很多奇怪的符号。我梦见我开始研究论文作者的名字该怎么发音。我梦见我研究了半天没有进展,于是踏上了拜访作者本人的路…… 然后就彻底醒了。然后立即上网寻找答案。废话不多说了。Branko Grünbaum 和...
环面多面体,即亏格为 1 的多面体,直观地说就是有 1 个洞的多面体。下图中三个多面体里分别有 0 个洞、1 个洞和 2 个洞。第二个多面体就是环面多面体。最近,我在研究一些和环面多面体相关的话题,在这里和大家分享一些我的发现。 由正多边形构成的环面多面体 正四面体、正六面体、正八面体、正十二面体、正二十面体、侧面均为正方形的正棱柱、侧面均为等边三角形的正棱锥、足球或者 C60...
完成下面两步后,将自动完成登录并继续当前操作。